Спосіб розпізнавання об’єктів на багатоспектральному/гіперспектральному аерокосмічному зображенні

Спосіб розпізнавання об'єктів на багатоспектральному/гіперспектральному аерокосмічному зображенні, згідно з яким виконується спектральна фільтрація пікселів зображення і виявляються пік C2 2 (19) 1 3 мають різні спектральні характеристики (спектральні сигнатури). Тоді, розрізняючи спектральні сигнатури на зображенні в процесі його аналізу, можна відокремлювати об'єкти від підстильного фону та розпізнавати їх. У патенті [18] описано спосіб, який дозволяє виявляти та розпізнавати компактні промислові або військові об'єкти на багатоспектральних або гіперспектральних зображеннях за умовою, що відома спектральна інформація про матеріал (речовину), з якого виготовлена їхня зовнішня поверхня (покриття). Ідентифікація матеріалу здійснюється в процесі порівняння спектральних сигналів, зареєстрованих на зображенні, зі спектральними відбиваючими властивостями різних матеріалів. По результатах порівняння приймається рішення щодо наявності об'єкта та визначення його класу. Нажаль, спосіб [18] має той недолік, що на практиці спектральна інформація про матеріали (речовини), з яких можуть бути виготовлені об'єкти інтересу, часто відсутня або відома лише частково. Спосіб [18] можна розглядати як аналог способу, що пропонується. Щоб отримати необхідну інформацію для виявлення та розпізнавання об'єктів на гіперспектральних зображеннях, в патенті [19] пропонується спосіб послідовного накопичення інформації про спектральні властивості як об'єктів, так і підстильних фонів, з формуванням відповідної бази даних. Але такий шлях потребує проведення неодноразової зйомки визначеної території та невиправданих витрат часу. У патенті [20] необхідна інформація для виявлення та розпізнавання об'єктів на гіперспектральних зображеннях формується шляхом кореляційного аналізу сигналів зображення. В припущенні, що розподіли сигналів об'єктів і фону підкоряються нормальному закону, будуються відповідні моделі, а за їх допомогою по критерію максимальної правдоподібності приймаються відповідні рішення щодо об'єктів. Недоліками способу [20] є складність використаних статистичних моделей і низька точність розпізнавання у випадках, коли спектральні властивості об'єктів і фону достатньо близькі. Простий і ефективний метод виявлення об'єктів на підстильному фоні описано в роботі [21]. Цей метод є найближчим аналогом пропонованого способу. Метод дозволяє виявляти як однопіксельні, так і компактні багатопіксельні об'єкти. Метод не потребує апріорної інформації про спектральні властивості об'єкта інтересу та фону, але геометрична форма об'єкта має бути відомою і описана лексично упорядкованим вектором [7]. Суть методу - найближчого аналогу у наступному. Формується спеціальний вираз (тестова статистика), до якого входять вектор опису об'єкта інтересу, математичне очікування та коваріаційна матриця сигналів підстильного фону. Підстановка названих характеристик до виразу статистики після обчислень дає число, яке порівнюється з певним порогом, що виставляється виходячи з правила максимальної правдоподібності. Перевищення порогу означає, що на зображенні виявлено об'єкт, у протилежному випадку на зображенні - фон. 90990 4 Але методу [21] притаманний недолік, обумовлений введеним тут припущенням, що розподіли спектральних сигналів об'єктів і фону підкоряються нормальному закону з різними математичними очікуваннями і описуються однією коваріаційною матрицею. На практиці умова нормальності для сигналів об'єктів звичайно не виконується, а їх коваріаційні властивості суттєво відрізняються від коваріаційних властивостей сигналів фону. Від цього зростає ймовірність хибних тривог, знижується точність розпізнавання об'єктів. Метою пропонованого способу є підвищення точності розпізнавання об'єктів на багатоспектральному/гіперспектральному аерокосмічному зображенні. Підвищення точності розпізнавання досягається за рахунок того, що рішення приймаються на основі комплексування спектральної інформації і даних про геометричні форми об'єктів. Спосіб, що пропонується, ілюструється Фіг.1-4. На Фіг.1 представлено зміст та схему виконання операцій, які складають пропонований спосіб: 1 - багатоспектральне/гіперспектральне зображення; 2 - спектральна фільтрація зображення; 3 формування апертури з центром в об'єктовому пікселі; 4 - визначення спектрально еквівалентних пікселів в апертурі, 5 - формування опису об'єкта; 6 - база даних (БД) з описами еталонних об'єктів різних класів; 7 - формування рішення щодо класової належності об'єкта; 8 - рішення. Фіг.2 ілюструє принцип, за яким описуються координати пікселів в межах апертури. На Фіг.3 показано приклад апертури, що формується навколо центрального піксела С та низка радіальних напрямків (вказані стрілками). На Фіг.4 показано об'єкт та пучок векторів, що його описує. Розглянемо суть пропонованого способу (Фіг.1). Вхідними даними є багатоспектральне або гіперспектральне аерокосмічне зображення сцени з об'єктами різних класів на підстильному фоні земної поверхні (блок 1). Передбачається, що відносно зображення відома така інформація: загальна кількість спектральних каналів К зображення; масштаб зображення. У загальному випадку спектральні характеристики об'єктів та підстильного фону можуть бути невідомі, але мають бути задані номенклатура класів та геометричні форми об'єктів всіх класів, що розглядаються (через їх контури або інший контурний препарат). Прикладом багатоспектрального зображення може бути зображення, що формується сканером, встановленим на борту космічного апарата QuickBird (5 спектральних каналів, просторова детальність до 61см у панхроматичному каналі). У якості гіперспектрального зображення може бути зображення, сформоване, наприклад, авіаційним сканером CASI-1500 (288 спектральних каналів, середня спектральна розрізненість 2,4нм, просторова детальність на місцевості до 25см). Спектральна фільтрація зображення (блок 2) проводиться з метою виділення (відселектування) на зображенні таких пікселів, що за своїми спект 5 90990 ральними властивостями відрізняються від пікселів, які відображають підстильний фон. Будемо записувати вектор спектральних значень будь-якого n-го піксела багатоспектрального або гіперспектрального зображення як x1 n xn x2 n , ... xK n (1) де К - загальна кількість спектральних каналів; Xk(n) - значення яскравості n-то піксела в k-му спектральному каналі; N - загальна кількість пікселів в зображенні; n=1,2,3,...,N. У загальному випадку, n-ий піксел може бути елементом підстильного фону, а може бути об'єктовим елементом. Щоб прийняти рішення щодо належності цього піксела, використовується тестова статистика, яка базується на даних про спектральні властивості об'єктів та підстильного фону: (2) R x(n) x(n) - m T C-1 x (n) - m , де m - вектор математичних очікувань спектральних значень підстильного фону; С - коваріаційна матриця; Т - позначення операції транспонування. Якщо вектор математичних очікувань спектральних значень та коваріаційна матриця підстильного фону апріорно невідомі, то їхні оцінки можуть бути отримані за допомогою відомих формул: 1 N ˆ m xn , (3) N n 1 N ˆ 1 C xn m xn mT , (4) K n 1 Після необхідних підстановок і підрахування тестової статистики (2) будь-який n-ий піксел багатоспектрального/гіперспектрального зображення класифікується за таким вирішуючим правилом: якщо R[x(n)]≥R0, піксел відноситься до об'єктових; (5) якщо R[x(n)]